Survival prediction of colorectal cancer using 101 machine learning methods based on immune-related genes: A machine learning study.
Résumé
Cette étude a développé un modèle pronostique pour le cancer colorectal (CCR) en utilisant 101 algorithmes d'apprentissage automatique basés sur des gènes liés à l'immunité. En analysant les données de patients atteints de CCR, le modèle de régression Ridge a montré la meilleure performance, générant un score de risque (IRGRS) significativement associé à une survie plus faible. L'IRGRS s'est avéré être un facteur pronostique indépendant et a corrélé avec l'infiltration des cellules immunitaires et l'activité stromale. Ce score pourrait également prédire la réponse aux inhibiteurs de points de contrôle immunitaire et la sensibilité à certaines chimiothérapies.
Analyse
Ce travail est crucial car il propose un outil d'apprentissage automatique robuste pour identifier précocement les patients atteints de cancer colorectal à haut risque. La capacité de l'IRGRS à prédire la survie et potentiellement la réponse aux immunothérapies et chimiothérapies ouvre la voie à des stratégies de traitement personnalisées. Cela pourrait permettre une intervention plus ciblée, améliorant ainsi les résultats cliniques et réduisant la mortalité chez les patients atteints de CCR.